Kijk naar het MIT NANDA-rapport van juli 2025: waarom het AI-pilotfalen van 95% niet het einde is

Ik ben een bewezen optimist en houd mijn geest open voor elke nieuwe technologie die mijn weg komt. Mijn laatste obsessie die voor de lange termijn zal blijven? AI.

MIT NANDA heeft onlangs een paper gepubliceerd met de titel ‘The GenAI Divide. State of AI in Business in 2025’, en ik denk dat het paper echt de moeite waard is om te lezen. Het geeft een nuchtere kijk op AI en zijn plaats in het bedrijfsleven van vandaag. De LinkedIn-feed kan bijna hysterisch lijken over hoe AI alles veranderde, maar het rapport schildert een ander beeld.

Om te beginnen, wat is MIT NANDA?

Networked Agents en Decentralized AI (afgekort tot NANDA) is een ambitieus onderzoeksinitiatief van het MIT Media Lab. Het project omvat meer dan 18 toonaangevende onderzoeksinstellingen van 6 continenten en enkele grote namen in de technologie-industrie – denk aan Meta, Dell, Microsoft en dergelijke. Het doel van NANDA is echt futuristisch, zo niet baanbrekend. De ambitie is om de fundamenten te leggen voor de infrastructuur van het Internet van AI-agents, d.w.z. een gedecentraliseerd netwerk waar AI-agents ontdekken, verifiëren en samenwerken met elkaar online over organisatorische grenzen heen. In wezen werkt NANDA aan duidelijke regels, protocollen, richtlijnen en kaders die AI-agents in staat stellen om te communiceren met andere agents namens mensen en organisaties. Het NANDA-project is open source, wat betekent dat het ondernemers, visionairs, technologen en beleidsmakers omarmt als full-scale medewerkers. (Krijg je Wikipedia-vibes?)

De reden dat ik je hierover vertel, is omdat het rapport van MIT NANDA de icing op de onderzoeks-cake is als het gaat om AI. De auteurs staan aan de vooravond van de AI-wereld, en hun bevindingen moeten serieus worden genomen (hoewel met een korrel zout).

Het paper was in de maak sinds januari en werd uiteindelijk gepubliceerd in juli 2025. Het rapport is gebaseerd op een systematische review van 300+ openbaar gedocumenteerde AI-initiatieven en interviews met leiders van 52 organisaties, evenals enquêtes onder 153 senior leiders op vier grote industrieconferenties.

5% AI-pilotsuccesrate

Het rapport introduceert de term ‘The GenAI Divide’ die de verstoring beschrijft die optreedt (of niet optreedt) bij organisaties en zelfs industrieën die AI succesvol (of niet succesvol) inzetten. Als een bedrijf aan de ‘verkeerde kant van de divide’ staat, volgens NANDA, faalt het bedrijf om echt te veranderen, te evolueren en zijn structuur en bedrijfsoperaties te heroverwegen. Om aan de goede kant van de divide te staan, betekent dit dat er een tastbaar resultaat is van het inzetten van AI—“Deze investeringsbias houdt de GenAI Divide in stand door middelen toe te wijzen aan zichtbare maar vaak minder transformatieve use cases, terwijl de hoogste-ROI-kansen in back-office-functies ondergefinancierd blijven”.

De reden dat het rapport zo gehyped is, is zijn sleutelvinding. De executive summary stelt: “Ondanks $30–40 miljard aan ondernemingsinvesteringen in GenAI, onthult dit rapport een verrassend resultaat, namelijk dat 95% van de organisaties geen enkel rendement behalen … Slechts 5% van de geïntegreerde AI-piloten halen miljoenen aan waarde, terwijl de overgrote meerderheid vastzit met geen meetbaar P&L-effect.” Niet bepaald bemoedigend, hè?

De fundamentele beperking die organisaties ervan weerhoudt om de ware waarde van AI te realiseren, is wat het rapport de ‘leercurve’ noemt. De meeste GenAI-systemen missen fundamenteel de mogelijkheid om feedback te behouden, aan te passen aan de context of te verbeteren in de loop van de tijd.

• Systemen leren niet van feedback. In werkelijkheid betekent dit dat een manager hetzelfde gegevensbestand keer op keer voedt, maar er is geen verbetering in de prestaties. Een middelgrote productiemanagers beschreef herhaaldelijk het uploaden van hetzelfde producthandboek naar hun AI-systeem om vervulningscontrolelijsten te verfijnen, maar elke iteratie kopieerde identieke omissies en fouten, met geen meetbaar verbeterd resultaat ondanks meerdere feedbacksessies.
• Overmatig handmatig context is vereist elke keer. AI-hulpmiddelen missen geheugen tussen sessies, dus elke interactie betekent het opnieuw voeden van het verleden kennis en verleden context. Complexere workflows, in tegenstelling tot eenvoudige eenmalige taken, slepen voort en falen om een betrouwbaar ondersteunend middel te zijn voor lopende projecten. Het rapport citeert een corporate juridisch team dat, voor elke contractontwerp, opnieuw clientvoorkeuren, eerdere onderhandelingsnotities en regelgevingsbeperkingen in het AI-hulpmiddel moet invoeren—waardoor wat een ondersteunende workflow zou moeten zijn, een tijdrovende klus wordt die de productiviteit ondermijnt in complexe, meerdere projecten.
• Onvoldoende aanpassing voor sommige bedrijfsprocessen. In plaats van een responsief hulpmiddel te krijgen dat zich aanpast aan de bredere context, past de bredere context zich aan het hulpmiddel aan, waardoor gebruikers moeten werken rondom starre systemen. Een CIO merkte op dat hun door de leverancier verstrekte risico-analyse AI “als een een-maats-alleen-doos” aanvoelde, waardoor teams hun credit-approvals-workflows moesten herschikken om aan de rigide invoer van het hulpmiddel te voldoen, in plaats van dat de AI zich aanpaste aan de gevestigde processen. De mismatch leidde uiteindelijk tot verlaten piloten

Mijn belangrijkste bevindingen uit het NANDA-rapport

1. De schaduw-AI-economie bloeit

Het rapport introduceert de term ‘schaduw-AI-economie’ om te beschrijven hoe medewerkers AI gebruiken op hun niveau als een persoonlijk hulpmiddel, niet als een door de organisatie goedgekeurd hulpmiddel. Dit klinkt vertrouwd voor mij, eigenlijk. Een vriendin van mij van een Chinese automotive-merk in de CIS deelde dat ze ChatGPT gebruikt om in-app-inhoud te schrijven (nieuwsberichten, advertenties en meer). Ze zegt dat op het hoofdkantoor geen AI-hulpmiddel is goedgekeurd voor algemeen gebruik, dus haar gebruik van AI is haar eigen booster en tijdsbespaarder die ze niet echt met haar manager bespreekt.

Het rapport biedt zeer specifieke cijfers. Terwijl slechts 40% van de bedrijven officiële LLM-abonnementen hebben gekocht, meldden werknemers van meer dan 90% van de ondervraagde bedrijven regelmatig gebruik van persoonlijke AI-hulpmiddelen voor werktaken. Deze schaduwgebruik levert vaak een beter rendement op dan formele ondernemingsinitiatieven, waardoor blijkt wat echt werkt wanneer individuen toegang hebben tot flexibele, responsieve hulpmiddelen.

2. Investeringstoewijzing weerspiegelt misplaatste prioriteiten

Het rapport onthult een significante mismatch tussen AI-investeringen en daadwerkelijk ROI-potentieel. Ongeveer 50% van de GenAI-begrotingen gaan naar verkoop- en marketingfuncties, voornamelijk omdat resultaten gemakkelijk kunnen worden gemeten en aansluiten bij board-level KPI’s. Echter, de hoogste rendementen komen vaak voort uit back-office-automatisering, zoals BPO-eliminatie die tot $10 miljoen per jaar kan besparen, 30% reductie in externe creatieve kosten en $1 miljoen per jaar bespaard op uitbesteed risicobeheer. Deze investeringsbias houdt de GenAI Divide in stand door middelen toe te wijzen aan zichtbare maar minder transformatieve use cases.

Maar mijn persoonlijke overtuiging is dit. Vanuit mijn ervaring bij een internationale bank die retailbanken over de hele wereld bezit, is het introduceren van een hulpmiddel dat in de kern van de organisatie snijdt, zich voedt met zijn gegevens en (wie weet?) insider-informatie naar buiten brengt, een groot risico. Dus ik begrijp waarom het opzetten van een AI-contentfabriek voor eenvoudige creatives voor Facebook-advertenties een no-brainer is, terwijl complexe back-end-disrupties niet zo enthousiast worden omarmd. Tenzij het een direct bevel vanuit de C-level was, zou het implementeren van serieus disruptieve AI-hulpmiddelen in de ruggengraat van het bedrijf minstens 12 maanden hebben geduurd.

Gelukkig had ik de kans om een blik te werpen op de binnenkant van een AI-automatisering gemaakt voor het verkoopteam van een lokale raamfabrikant. Ze huurden een freelancer van n8n in en hij bouwde voor hen een AI-gepowered call- en chat-analysehulpmiddel. Het bedrijf kon nu sneller knelpunten in hun funnel vinden en meer pijnpunten kwamen aan het licht toen AI het bedrijfsproces van geschreven en gesproken taal hielp. Hun tevredenheidspercentage was sky-high, met meer gegevens die sneller werden verwerkt.

3. Interne opbouw verliest van externe leveranciers

Om eerlijk te zijn, deze bevinding verraste me. In tegenstelling tot de algemene overtuiging dat ondernemingen hun eigen AI-hulpmiddelen moeten bouwen, toont het onderzoek aan dat strategische partnerschappen met externe leveranciers tweemaal zo waarschijnlijk zijn om te worden geïmplementeerd in vergelijking met interne ontwikkelingsinspanningen. Wie had dat gedacht, hè? Nou, duidelijk niet ik.

Organisaties die AI-leveranciers behandelen als bedrijfsdienstverleners – die diepe aanpassing eisen en hen verantwoordelijk houden voor operationele resultaten in plaats van modelbenchmarks – bereiken aanzienlijk hogere succespercentages en snellere tijd-tot-waarde.

4. Hogere investering betekent hogere verstoring? Niet echt.

Met behulp van een samengestelde AI Market Disruption Index onthult het rapport dat slechts twee industrieën – Technologie en Media & Telecom – duidelijke tekenen van structurele verstoring van GenAI vertonen. Zeven van de negen belangrijkste sectoren vertonen aanzienlijke pilotactiviteit, maar minimale structurele verandering, waarbij industrieën zoals Healthcare, Financial Services en Energy verstoringsscores onder de 0,5 op een schaal van 5 punten vertonen. Deze kloof tussen investeringszichtbaarheid en daadwerkelijke transformatie belichaamt de GenAI Divide op industrieniveau.

Waarom het 95% falen tarief tijdelijk is

Ondanks ogenschijnlijk hopeloze tussentijdse resultaten, is er licht aan het einde van de tunnel. Het rapport legt uit dat de GenAI Divide tijdelijk is en zal worden overwonnen door opkomende ontwikkelingen.

NANDA zelf is een van de toonaangevende bijdragers aan een nog meer verbonden AI-wereld. De mechanismen die het rapport noemt, zijn Model Context Protocol (of MCP) en Agent-to-Agent (of A2A) als infrastructuurfundamenten voor naadloze agent-interoperabiliteit en autonome coördinatie over systemen heen.

De inspanningen van NANDA en deze hulpmiddelen zijn de weg naar exact wat NANDA nastreeft – het Agentic Web, een netwerk van agents die in staat zijn om autonoom over het internet te coördineren. Hun interactie zal zijn ontworpen om statische workflows te vervangen door dynamische zelflerende systemen.

Klinkt het te goed om waar te zijn of zelfs magisch? Nou, Microsoft Copilot Studio’s Multi-Agent Orchestration is een nauwste benadering van de visie. Het systeem helpt een boom van agents op te bouwen waar een hoofd-Copilot-agent sub-agents activeert die verantwoordelijk zijn voor specifieke taken zoals planning of documentgeneratie. Elke agent blijft binnen zijn domein van expertise, maar coördineert met anderen. Om het in praktische termen te zeggen, wanneer een gebruiker “Plan onze Q4-productlancering” vraagt, wijst de orchestrator-agent automatisch door naar gespecialiseerde agents – een behandelt marktonderzoek, een andere maakt een tijdschema en een derde coördineert met projectmanagementtools. Het werk gaat synchroon, maar autonoom.

Alternatieve visies op AI-adoptie

Het NANDA-project heeft een geweldige job gedaan bij het compileren van gegevens uit meerdere bronnen en het ondervragen van leiders uit meerdere velden. Maar is het het ultieme mondiale orgaan voor wereldwijde AI-adoptie? Als je, net als ik, The GenAI Divide een beetje deprimerend vond, zo niet ontmoedigend, heb ik deze alternatieve visies op AI-adoptie gevonden om mijn persoonlijke AI-vuur brandend te houden.

• Jed Nykolle Harme van IT Brief UK brak de CIO Playbook 2025 van Lenovo af. De studie omvat feedback van IT-leiders over de hele EMEA (Europa, Midden-Oosten en Afrika), en de conclusie is veelbelovender. Het blijkt dat de retailindustrie leidt als het gaat om AI-tevredenheid, waar 96% van de AI-pilotprestaties de verwachtingen ontmoet of overtreft.
• Voorheen uitte ik medeleven met grote ondernemingsmarktpartijen die AI moeilijk vinden om te implementeren en niet erg openstaan voor intensieve incorporatie. Lenovo presenteert echter een ander beeld met Banking, Financial Services en Insurance (BFIS)-industrieën: ondanks de laagste AI-adoptiegraad van 7%, rapporteren 33% van degenen die AI testen dat pilots de verwachtingen overtroffen. Het geheim achter deze positieve trends is ‘een voorzichtige aanpak’, zoals Arabian Business het zegt.
• Een andere geruststellend rapport IBM CEO Study opent met een moedig voorwoord van IBM Vice Chairman Gary Cohn: “Terwijl AI-adoptie versnelt… zal de uiteindelijke beloning alleen komen voor CEO’s met de moed om risico’s als kansen te omarmen. … Wanneer de zakenomgeving onzeker is, gebruikt u AI en uw ondernemingsgegevens om te identificeren waar u hefboomwerking heeft, is een concurrentievoordeel. Op dit punt nemen leiders die AI en hun eigen gegevens niet gebruiken om vooruit te komen, een bewuste zakelijke beslissing om niet te concurreren.”
• Het IBM CEO-onderzoek toont enkele inspirerende feiten. Bijvoorbeeld, de groei van AI-investeringen zal de komende twee jaar meer dan verdubbelen, zodat bijna 20% van de totale IT-begrotingen zal worden toegewezen aan AI – de toewijding toont aan dat, ondanks zichtbare en bewezen uitdagingen, het geloof in AI sterk is en, het belangrijkste, het een strategische investering is in plaats van reactief uitgaven.
• Tot slot, 64% van de CEO’s in het rapport zijn het erover eens dat het risico om achter te blijven de investering in nieuwe technologie aandrijft, lang voordat er een duidelijk begrip is van de impact. Echter, er zijn geen snelle beslissingen. In plaats daarvan kiezen beslissers voor ‘strategisch hedgen’. In eenvoudige termen, wanneer een concurrent een AI-chatbot lanceert voor persoonlijke aanbevelingen, doet u hetzelfde voor uw website. U weet misschien niet zeker of de omzet zal toenemen, maar u weet dat als u twee jaar achterblijft tot dat ‘perfecte gegevensset’ is samengesteld, u onherroepelijk momentum verliest. Dus de regel is eenvoudig: agressief kopiëren, dan het resultaat zien.

Conclusie

In conclusie, ik wil mijn persoonlijke overtuiging in AI uitspreken. Als ondernemer, CMO, bedrijfsontwikkelaar en voormalig kantoorwerknemer in de banksector, zie ik zo veel manieren waarop AI kan helpen om budgetten te optimaliseren, workflows te stroomlijnen en teams te boosten. De toekomst is versterkt en versneld. Als een bedrijf wil concurreren, moet het AI-vaardig zijn. Terwijl de bevindingen die ik presenteerde controversieel zijn, ben ik ervan overtuigd dat het huidige AI-landschap, met zijn pieken en dalen, een natuurlijke leertijd is, die telkens weer wordt herhaald met elke nieuwe technologie.
boost teams. De toekomst is versterkt en versneld. Als een bedrijf wil concurreren, moet het AI-vaardig zijn. Terwijl de bevindingen die ik presenteerde controversieel zijn, ben ik ervan overtuigd dat het huidige AI-landschap, met zijn pieken en dalen, een natuurlijke leertijd is, die telkens weer wordt herhaald met elke nieuwe technologie.